KLASIFIKASI PENUTUP LAHAN DENGAN METODE SUPPORT VECTOR MACHINES DARI FUSI DATA SENTINEL-1A DAN LANDSAT 8 DI DAERAH ISTIMEWA YOGYAKARTA

RETNO AGUS PRATIWI, Dr. Harintaka, S.T., M.T.

2017 | Tesis | S2 Teknik Geomatika

Kegiatan pembangunan membawa perubahan dalam berbagai aspek kehidupan manusia dan lingkungan di sekitarnya, salah satunya adalah dinamika atau perubahan penutup lahan di suatu daerah. Kebutuhan hidup manusia akan mendominasi dan mendesak ruang-ruang alami untuk berubah fungsi. Hal tersebut sering terjadi di daerah perkotaan, salah satunya adalah di Daerah Istimewa Yogyakarta, sehingga dibutuhkan upaya untuk mengkaji kondisi penutup lahan terkini di Daerah Istimewa Yogyakarta dengan metode dan data masukan yang tepat. Salah satunya dengan memanfaatkan teknologi pengindraan jauh. Dalam teknologi pengindraan jauh, data masukan yang digunakan untuk klasifikasi penutup lahan dapat berupa data optis dan radar. Data optis lebih umum digunakan karena memiliki tampilan visual yang lebih mudah diinterpretasi, sayangnya data optis memiliki kelemahan berupa adanya tutupan awan. Kombinasi data optis dan radar perlu diupayakan untuk memaksimalkan kemampuan ekstraksi data pengindraan jauh dari kombinasi sensor. Fusi data optis dan radar menjadi salah satu isu penting untuk mengatasi kebutuhan data yang cepat dan mencakup area yang luas, tanpa terganggu dengan tutupan awan, utamanya di wilayah tropis seperti Indonesia. Kemajuan data-data masukan di bidang pengindraan jauh juga menuntut pengembangan metode klasifikasi yang menyertainya. Metode klasifikasi berbasis pengenalan pola (pattern recognition) juga turut berkembang hingga melahirkan Support Vector Machines. Metode ini diindikasikan dapat memberikan akurasi klasifikasi yang baik pada data yang kompleks dan penuh gangguan, seperti pada data hasil fusi citra. Penelitian ini melibatkan fusi data Landsat 8 dan Sentinel-1A. Citra Landsat 8 mengalami proses koreksi radiometrik, mozaik citra, dan reduksi tutupan awan sebagai langkah prapengolahan, sedangkan citra Sentinel-1A diproses kalibrasi, reprojection, reduksi speckle, dan komposit band. Proses fusi dilakukan dengan menggunakan metode Principal Components Substitution. Hasil fusi diklasifikasi penutup lahannya dengan metode support vector machines. Hasil penelitian ini menunjukkan bahwa klasifikasi penutup lahan pada citra fusi Sentinel-1A dan Landsat 8 dengan metode SVM mampu mencapai akurasi tematik sebesar 89%, dan lebih unggul dibanding metode klasifikasi dengan prinsip pengenalan pola. Klasifikasi penutup lahan pada citra fusi Sentinel-1A dan Landsat 8 dengan metode SVM memiliki kelebihan dalam menyediakan informasi tekstur dan warna yang meningkatkan identifikasi dan pemisahan antarobjek, serta kemampuan mengklasifikasi wilayah yang maksimal karena keberadaan tutupan awan yang dapat diatasi. Adapun kelemahannya adalah sulit membedakan objek dengan sifat hamburan balik spekular, memiliki kerancuan pada beberapa penutup lahan temporal karena kedua citra tidak diakusisi pada waktu yang sama persis, serta memiliki waktu dan rangkaian pemrosesan lebih panjang.

Construction and development activities cause changes in various aspects of human life and environment, one of them is the land-cover changes in an area. Human needs will dominate and push natural spaces to change its function. It often occurs in urban areas, such as Daerah Istimewa Yogyakarta, so an effort to examine current land cover conditions in Daerah Istimewa Yogyakarta using proper methods and input data is needed. One of them is utilization of remote sensing technology. In remote sensing technology, the input data which used for the classification of land cover can be either optical or radar data. Optical data more commonly used because it has a visual display that easier to be interpret, unfortunately the optical data have weakness in the form of cloud cover existence. In order to overcome this weakness then the combination of optical and radar data need to be performed to maximize the ability of remote sensing data extraction from the sensor combination. Optical and radar data fusion become one of the important issues for addressing needs of fast data and large covers area, without being disturbed by cloud cover, especially in tropical regions such as Indonesia. These input data advancement also demands that trigger the development of classification method in remote sensing. Pattern recognition-based classification methods were also developed and discover a method named Support Vector Machines. This method is indicated might give a good classification accuracy from complex and full distractions data, such as result of remote sensing data fusion. This research involved the fusion of Landsat 8 and Sentinel-1A data. Landsat 8 image experienced radiometric correction, mosaic image, and the reduction of cloud cover as a pre-processing steps, while the image of the Sentinel-1A experienced calibration, reprojection, speckle reduction, and composite band. The fusion process is performed using Principal Components Substitution method. The results of fusion is being classified to land cover classification using support vector machines method. The result indicated that land cover classification using SVM on Sentinel-1A and Landsat 8 data fusion could achieve 89% thematic accuration, and this accuration is better than pattern recognition classification method. Land cover classification using SVM on Sentinel-1A and Landsat 8 data fusion have advantages in supply texture and colour information which could improve identification and separation between features, also able to classify larger area due to solving cloud cover problem. Meanwhile, the weakness’s are difficult to differentiate feature with specular backscatter, ambiguous on several temporal land cover due to different acquisition time, and also having long procedure and time of processing.

Kata Kunci : Land-cover, Support Vector Machines, Image Fusion, Yogyakarta, Landsat, Sentinel-1A